Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

Quantifier la performance: mauvaise classification et F-Measure

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (55)

Sans titre Connectez-vous à Mediaspace pour regarder cette vidéo

Apprentissage automatique: Techniques d'apprentissage supervisé et non supervisé Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les techniques d'apprentissage supervisées et non supervisées dans l'apprentissage automatique, en mettant en évidence leurs applications dans la finance et l'analyse environnementale.

Introduction à la classification des images Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la classification des images, le clustering et les techniques d'apprentissage automatique telles que la réduction de la dimensionnalité et l'apprentissage par renforcement.

Classification d'image: Arbres de décision et forêts aléatoires Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la classification des images en utilisant des arbres de décision et des forêts aléatoires pour réduire la variance et améliorer la robustesse du modèle.

Applications d'apprentissage automatique: Régression et classification Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les applications d'apprentissage automatique dans la modélisation des matériaux, couvrant la régression, la classification et la sélection des fonctionnalités.

Améliorer les prédictions de densité dans l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'amélioration des prédictions d'apprentissage automatique en raffinant les mesures d'erreur et en appliquant des contraintes pour améliorer la précision des prédictions de densité électronique.

Arbres de décision : régression et classification Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les arbres de décision pour la régression et la classification, expliquant la construction des arbres, la sélection des caractéristiques et les critères d'induction.

Régression du mélange gaussien : théorie et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la régression du mélange gaussien et le surajustement avec plusieurs fonctions gaussiennes.

Classification binaire par régression: fonctions de décision et fonctions de coût Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la classification binaire par régression, fonctions de décision et diverses fonctions de coût.

Estimation du regroupement et de la densité Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les algorithmes de clustering, PCA, LDA, K-means, GMM, KDE et Mean Shift pour l'estimation de la densité et le clustering.

Fonctions propres quantiques Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les fonctions eigen quantiques et l'importance de la commutation A et B pour le même ensemble de fonctions eigen.

Sélection et évaluation du modèle : Dilemma à variation de biais, estimation des crêtes Connectez-vous à Mediaspace pour regarder cette vidéo

Explore le sur-apprentissage, la généralisation et le sous-apprentissage dans les modèles d'apprentissage automatique.

Fondements de l'apprentissage automatique : Découverte de la structure, classification, régression Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les concepts fondamentaux d'apprentissage automatique, y compris la découverte de la structure, la classification et la régression.

Coordonnées cylindriques : Intégrabilité et volumes Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les coordonnées cylindriques, l'intégrabilité et les calculs de volume à l'aide d'exemples.

Machine Learning non linéaire : les voisins les plus proches et l’expansion des fonctionnalités Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la transition des modèles linéaires aux modèles non linéaires, en se concentrant sur k-NN et les techniques d'expansion des caractéristiques.

Page 3 sur 3